深度学习在生物医药领域的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量	算法框架	模型架构	性能指标	计算资源
3041	2026-02-28	HSICNet a novel deep learning architecture for hyperspectral image classification in remote sensing and environmental monitoring 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40509-3 PMID:41748692	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3042	2026-02-28	Estimation of liquefaction-induced settlement of shallow foundation by machine learning with imbalanced data 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41969-3 PMID:41748689	研究论文	本研究通过机器学习和深度学习模型，对液化引起的浅基础沉降进行分类，并处理了数据不平衡问题	结合了数据级重采样、成本敏感学习、算法级改进以及基于SHAP的特征选择方法，并应用动态阈值调整和加权投票集成学习以提高分类可靠性	未明确说明模型在极端不平衡数据下的泛化能力或外部验证结果	评估地震引起的液化沉降，以支持地震风险分析和土壤改良策略设计	浅基础液化土壤上的建筑物沉降案例	机器学习	NA	NA	机器学习, 深度学习	结构化数据（建筑特征、岩土参数、地震强度指标）	系统编制的文档化案例研究数据库	NA	NA	NA	NA
3043	2026-02-28	A hybrid model for image forgery detection using deep learning with block and keypoint methods 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41473-8 PMID:41748712	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3044	2026-02-28	AI-based intelligent sensing detection of cybersecurity threats using multimodal sensor data in smart devices 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40614-3 PMID:41748759	研究论文	本文提出了一种基于深度学习的多模态传感架构，用于检测智能设备中由传感器数据引发的网络攻击	提出了一种新的混合CNN-RNN-Transformer架构，融合了多模态传感器特征并考虑了时空交互	未明确说明模型在更广泛或动态变化的物联网环境中的泛化能力	开发一种能够实时检测物联网设备中网络物理威胁的智能感知系统	智能设备中的多模态传感器数据（如加速度计、陀螺仪、麦克风、温度传感器）	机器学习	NA	深度学习	CNN, RNN, Transformer	多模态传感器数据	使用了一个手动标注的多模态数据集和两个公开基准数据集（CICIDS-2017和IoT-23）	未明确指定，可能为TensorFlow或PyTorch	混合CNN-RNN-Transformer架构	AUC, F1-score, 推理延迟	边缘硬件（具体类型未指定）
3045	2026-02-28	A joint CNN-Bi-LSTM-transformer architecture with SHAP explanations for multi-label arrhythmia detection from 12-lead ECGs 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40925-5 PMID:41748772	研究论文	提出一种结合CNN、Bi-LSTM和Transformer层的深度学习架构，用于从12导联心电图中进行多标签心律失常检测，并集成SHAP解释以提高临床可解释性	首次联合使用CNN、Bi-LSTM和Transformer层来共同提取心电信号的形态、时间和空间模式，并集成SHAP实现病例级别的可解释性	模型在PhysioNet/Computing in Cardiology Challenge 2020数据集上训练和评估，可能在其他数据集上的泛化能力未验证	开发可解释的自动化人工智能解决方案，用于准确分类12导联心电图心律失常	12导联心电图信号	机器学习	心血管疾病	心电图信号处理	CNN, Bi-LSTM, Transformer	心电图信号	超过43,000个多标签心电图记录，涵盖27种心律失常类别	NA	CNN-Bi-LSTM-Transformer联合架构	准确率, 宏F1分数, ROC曲线下面积	NA
3046	2026-02-28	An explainable deep learning framework for video violence detection using unsupervised keyframe selection and attention-based CNN 2026-Feb-26, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40977-7 PMID:41748832	研究论文	提出一种用于视频暴力检测的可解释深度学习框架，该框架集成了无监督关键帧选择、注意力机制和基于Grad-CAM++的可解释性	提出了一种新颖的可解释注意力增强CNN框架，通过无监督关键帧选择减少冗余，嵌入注意力模块增强时空特征判别，并利用Grad-CAM++提供决策过程的可视化解释	未明确提及	解决视频暴力检测中的冗余性、透明性和泛化性挑战，为监控和公共安全系统提供智能、可解释的实时检测方案	监控和在线平台中的视频数据	计算机视觉	NA	无监督关键帧选择，注意力机制，Grad-CAM++	CNN	视频	在五个基准数据集上进行综合实验：RLVS, Hockey Fight, Violent Flow, ShanghaiTech, UCF-Crime	未明确提及	CNN	准确率，F1分数	未明确提及
3047	2026-02-28	A device-invariant multi-modal learning framework for respiratory disease classification 2026-Feb-26, NPJ digital medicine IF:12.4Q1 DOI:10.1038/s41746-026-02445-4 PMID:41748911	研究论文	本文提出了一种设备无关的多模态学习框架，用于通过咳嗽声、人口统计学数据和症状描述进行成人呼吸系统疾病的分类	提出了一种设备无关的多模态深度学习框架，通过嵌入对抗分支和不变风险最小化增强损失来解决设备异质性和非结构性偏移问题	NA	开发一种可扩展且可转移的基于AI的方法，用于基于咳嗽的呼吸系统疾病筛查，强调多模态融合和鲁棒表示学习在提升临床适用性中的重要性	成人呼吸系统疾病	机器学习	呼吸系统疾病	咳嗽声分析	深度学习	音频, 文本, 人口统计学数据	超过10,000个病例，涵盖七种主要呼吸系统疾病	NA	NA	AUROC	NA
3048	2026-02-28	Explainable deep learning framework incorporating medical knowledge for insulin titration in diabetes 2026-Feb-26, Communications medicine IF:5.4Q1 DOI:10.1038/s43856-026-01449-1 PMID:41748914	研究论文	本研究提出了一种结合医学知识的可解释深度学习框架，用于糖尿病胰岛素滴定管理	引入专家引导的可解释人工智能框架，利用Shapley Taylor交互指数捕获特征交互影响，并通过医生在环过程结合临床约束迭代优化模型	研究主要基于住院患者的电子健康记录数据，可能未完全覆盖门诊或社区糖尿病管理场景	提高深度学习模型在糖尿病胰岛素滴定管理中的透明度和可信度	2型糖尿病住院患者	机器学习	糖尿病	电子健康记录分析	深度学习	结构化医疗数据	内部数据集1,275名住院患者，外部数据集292名患者	NA	STII-DIL	胰岛素滴定准确性，专家评估一致性	NA
3049	2026-02-28	Open-Access Fully Automated Intravenous Contrast Detection and Body Part Classification for Computed Tomography Scans: The FALCON Model 2026-Feb-26, Journal of imaging informatics in medicine DOI:10.1007/s10278-026-01865-8 PMID:41749033	研究论文	本文介绍了一种名为FALCON的开放获取全自动深度学习模型，用于大规模检测CT扫描中的静脉对比剂并进行身体部位分类	开发了开放获取的全自动深度学习模型FALCON，首次整合了静脉对比剂检测和身体部位分类功能，适用于头颈部、胸部和腹盆部CT扫描	研究未提及模型在更广泛或多样化数据集上的泛化能力，以及可能存在的计算资源需求	开发一个快速可靠的自动化工具，用于CT扫描中静脉对比剂的检测和身体部位分类，以解决大型研究数据集中对比剂存在记录不可靠的问题	CT扫描图像，特别是头颈部、胸部和腹盆部的扫描	计算机视觉	NA	CT扫描	CNN	图像	3138个CT扫描，来自3126名患者，涵盖五个机构1996年至2023年的数据	NA	ResNet9	F1分数	NA
3050	2026-02-28	BiToxNet: a deep learning framework integrating multimodal features for accurate identification of neurotoxic peptides and proteins 2026-Feb-26, BMC biology IF:4.4Q1 DOI:10.1186/s12915-026-02508-8 PMID:41749211	研究论文	本研究提出了一个名为BiToxNet的深度学习框架，通过整合多模态特征来准确识别神经毒性肽和蛋白质	提出了一种结合蛋白质大语言模型进化嵌入与十种手工生化描述符的双线性注意力网络（BAN）融合策略，有效建模了跨模态交互和残基级依赖关系	未明确说明模型在更广泛、更复杂数据集上的泛化能力，以及计算资源需求的具体细节	开发一个准确预测肽和蛋白质神经毒性的计算框架，用于蛋白质治疗药物的安全性评估和药物开发	神经毒性肽和蛋白质	自然语言处理, 机器学习	神经毒性相关疾病	蛋白质大语言模型, 生化描述符计算	深度学习, 注意力机制	蛋白质序列, 生化特征	三个不同序列长度的数据集（蛋白质数据集、肽数据集和组合数据集）以及一个外部不平衡数据集	NA	双线性注意力网络（BAN）	准确率	NA
3051	2026-02-28	Decoding cardiovascular risk in Chinese middle-aged and elderly adults: a 9-year prospective study integrating machine learning with explainable AI based on CHARLS cohort 2026-Feb-26, BMC medical informatics and decision making IF:3.3Q2 DOI:10.1186/s12911-026-03389-1 PMID:41749231	研究论文	本研究基于CHARLS队列数据，结合机器学习和可解释人工智能技术，开发并验证了一个针对中国中老年人群的心血管疾病长期风险预测模型	首次将机器学习和可解释AI技术结合，针对中国中老年人群开发心血管疾病风险预测模型，并通过SHAP方法提供风险因素的定量贡献分析，实现了预测准确性与临床可解释性的优化结合	模型基于CHARLS队列数据，需要在独立队列中进行外部验证以确立普适性；SHAP分析的重要性反映的是统计贡献而非因果关系	开发并验证一个针对中国中老年人群的心血管疾病长期风险预测模型，实现预测准确性与临床可解释性的平衡	中国中老年人群（年龄≥45岁）	机器学习	心血管疾病	机器学习，可解释人工智能	梯度提升机，线性模型，非线性模型，集成学习，深度学习	纵向队列数据	8080名参与者（年龄≥45岁），其中5699人用于训练，1248人（21.9%）在随访期间发生心血管事件	未明确指定，但可能包括Scikit-learn等	梯度提升机	AUC, 特异性, 阳性预测值, 敏感性	NA
3052	2026-02-28	A transparent, lightweight and sustainable Green Learning AI model for prostate cancer detection on MRI 2026-Feb-26, BJU international IF:3.7Q1 DOI:10.1111/bju.70203 PMID:41749494	研究论文	开发了一种透明、轻量级的Green Learning AI模型，用于在MRI上自动分割前列腺并检测临床显著前列腺癌	提出了一种新型透明且轻量级的Green Learning模型，相比传统深度学习模型参数更少、计算量更低，且与PI-RADS结合能显著提升检测性能	研究样本量有限（602例MRI），且仅基于3-T MRI和活检数据，未涉及多中心或外部验证	开发自动化前列腺分割和临床显著前列腺癌检测的机器学习模型	接受3-T MRI和前列腺活检的男性患者	数字病理学	前列腺癌	MRI, 前列腺活检	Green Learning, U-Net	MRI图像	602例MRI（训练集483例，测试集119例），其中224例有临床显著前列腺癌	NA	Green Learning, U-Net	Dice相似系数, AUC	NA
3053	2026-02-28	Artificial intelligence for personalized multiple micronutrient supplementation in maternal health 2026-Feb-26, International journal of gynaecology and obstetrics: the official organ of the International Federation of Gynaecology and Obstetrics DOI:10.1002/ijgo.70911 PMID:41755349	研究论文	本文提出了一种利用人工智能（特别是深度学习和自然语言处理）来个性化孕期多种微量营养素补充（MMS）的概念模型，旨在通过整合多模态健康数据改善母婴营养与健康结局	引入了“营养数字孪生”概念，利用AI整合电子健康记录、可穿戴设备、基因组数据等多源信息，模拟不同补充方案下的营养需求与母婴结局，实现风险分层和个性化补充策略	依赖高质量、多样化的数据输入，伦理、公平性和模型透明度是关键挑战，且需在实际临床环境中进行前瞻性验证以确保可信度	探索AI在孕期个性化多种微量营养素补充中的应用，以优化母婴营养干预策略	孕期女性，特别是面临营养不良或微量营养素缺乏风险的群体	自然语言处理, 机器学习	NA	深度学习, 自然语言处理, 多模态数据整合	深度学习模型, NLP算法	电子健康记录, 可穿戴传感器数据, 营养与生育应用日志, 基因组标记, 社会人口学信息, 非结构化文本数据	NA	NA	NA	NA	NA
3054	2026-02-28	Intelligent Real-Time Acid Rain Sensing Platform Enabled by Curvature-Engineered Droplet-Based DC Nanogenerator with 4500 V Output 2026-Feb-25, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c23721 PMID:41684103	研究论文	本研究提出了一种基于曲率工程优化的全电流纳米发电机，构建了一个用于实时酸雨监测的智能传感平台	通过曲率工程优化流体-固体耦合动力学并调控界面电场梯度，增强了固液界面电荷载流子的时空分离与泵浦积累，从而提高了基于液滴的纳米发电机平台的电荷转移效率	NA	开发用于酸雨监测的下一代物联网环境监测平台	酸雨	机器学习	NA	NA	CNN	电流信号	NA	NA	ResNet18-1D	准确率	NA
3055	2026-02-28	Research Progress in Machine Learning Techniques for Metal-Organic Framework Screening 2026-Feb-25, ACS applied materials & interfaces IF:8.3Q1 DOI:10.1021/acsami.5c21454 PMID:41693125	综述	本文综述了机器学习技术在金属有机框架筛选中的研究进展，包括数据驱动方法、特征工程演变、高级算法框架的应用以及未来发展方向	系统分析了机器学习在MOF筛选中的现状，强调了数据真实性、更新频率对模型可靠性的影响，并探讨了从手动特征工程到自动表示学习的演变，以及深度学习、主动学习和Transformer等高级框架的具体适用性	现有主流MOF数据库存在局限性，数据真实性和更新频率可能影响模型可靠性，未来需整合高保真实验数据并提升模型可解释性	探讨机器学习技术在金属有机框架筛选中的应用，以高效导航庞大的材料库，解决传统实验和计算筛选面临的挑战	金属有机框架材料	机器学习	NA	NA	图神经网络, Transformer	材料结构数据	NA	NA	NA	NA	NA
3056	2026-02-28	Breaking through safety performance stagnation in autonomous vehicles with dense learning 2026-Feb-25, Nature communications IF:14.7Q1 DOI:10.1038/s41467-026-69761-x PMID:41741461	研究论文	本文提出了一种创新的密集学习方法，以解决自动驾驶车辆安全性能停滞的问题	引入了一种基于理论发现的密集学习方法，通过按样本对策略梯度的贡献和暴露频率进行比例采样，优先考虑信息丰富的失败和成功样本，从而显著降低学习方差而无偏倚	未明确说明方法在更复杂或多样化交通环境中的泛化能力，以及计算成本的具体分析	突破自动驾驶车辆安全性能停滞，实现人类水平的安全性能	高度自动化车辆的安全关键驾驶智能体	机器学习	NA	混合现实技术	深度学习模型	驾驶场景数据	未明确说明具体样本数量，但通过密集学习方法优化了训练数据集的信息密度	未明确说明	未明确说明	整体安全性能提升幅度（一至两个数量级）	未明确说明
3057	2026-02-28	TumorSageNet CNN hybrid architecture enables accurate detection of mango leaf pathologies 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40944-2 PMID:41741529	研究论文	本研究提出了一种基于深度学习的框架，用于芒果叶病理图像的分类，旨在实现芒果叶病害的早期精准检测	提出了一种新颖的混合神经网络架构，结合了EfficientNet-B7、LSTM和注意力机制，用于同时提取空间和时序特征，并利用Grad-CAM提供可解释的诊断热力图	研究仅使用了来自孟加拉国Rajshahi地区的800张芒果叶图像，数据集规模和地理多样性有限	开发一个可扩展、可解释且高性能的实时病害监测解决方案，以推进农业诊断技术，应对全球粮食安全挑战	芒果叶病理图像	计算机视觉	植物病害	深度学习	CNN, LSTM	图像	800张高分辨率芒果叶图像	NA	AlexNet, VGG16, VGG19, EfficientNet-B7, 自定义CNN, 混合模型（EfficientNet-B7 + LSTM + 注意力机制）	准确率, 精确率, 召回率, F1分数	NA
3058	2026-02-28	Soil microbiome prediction using traditional machine learning and deep learning models 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-39537-w PMID:41741537	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
3059	2026-02-28	Nondestructive sheet resistance prediction of silver nanowire transparent electrode with convolutional neural network 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40528-0 PMID:41741570	研究论文	本文提出了一种结合快速傅里叶变换和颜色度量特征的深度学习技术，用于预测银纳米线网络的薄层电阻	创新点在于将原始高分辨率光学显微镜图像、其快速傅里叶变换、平均颜色表示以及三者组合作为卷积神经网络的输入，以非破坏性方式预测薄层电阻并评估纳米线分布的非均匀性	NA	研究目的是通过深度学习技术非破坏性地预测银纳米线透明电极的薄层电阻，以提升透明导电电极技术在柔性电子、显示器和太阳能电池等新兴应用中的质量控制和材料信息学	银纳米线网络	计算机视觉	NA	快速傅里叶变换，光学显微镜成像	CNN	图像	NA	NA	NA	NA	NA
3060	2026-02-28	Improving acute lymphoblastic leukemia diagnosis through CBAM-enhanced VGG19 deep learning 2026-Feb-25, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-40184-4 PMID:41741572	研究论文	本研究提出了一种结合注意力机制的深度学习框架，用于从骨髓显微图像中自动检测和分型急性淋巴细胞白血病	将卷积块注意力模块（CBAM）与VGG19主干网络结合，构建了CBAM-VGG19混合网络，在空间和通道维度上分层增强关键形态学特征，从而提高了特征提取能力和分类精度	缺乏外部验证，且数据集规模较小，限制了其临床适用性	开发一种自动化的深度学习方法来改进急性淋巴细胞白血病的诊断和分型	骨髓显微图像，包括健康样本和急性淋巴细胞白血病样本	数字病理学	急性淋巴细胞白血病	显微成像	CNN	图像	NA	NA	VGG19, CBAM-VGG19, DenseNet121, InceptionV3, MobileNetV2	分类准确率	NA